MétaCan
Menu
← Retour à la cohorte
Enregistrement W3146906054 · doi:10.1002/essoar.10500745.1

Highlighting the Roles of Producers and Consumers in Land and Water use for Agricultural Production in Southern Amazonia

2019· article· en· W3146906054 sur OpenAlexfundno aff
Michael J. Lathuillière, Javier Godar, Toby Gardner, C. Suavet

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacsSvenska Forskningsrådet FormasWorld Wildlife FundGordon and Betty Moore Foundation
Mots-clésDeforestation (computer science)AgricultureAmazon rainforestWater scarcityBusinessScarcityProduction (economics)Context (archaeology)Land useAgricultural economicsLivestockAgricultural productivityAgroforestryGeographyNatural resource economicsEconomicsEnvironmental scienceForestryEcology

Résumé

récupéré en direct d'OpenAlex

For decades, agricultural expansion in Southern Amazonia has relied on deforestation to increase the national and global supplies of cattle and soybean products. Research on the use of land and water for increasing the region’s pasture and cropland outputs has provided important insight into the role of producers in managing these resources. However, the roles of other actors on cattle and soybean production systems (e.g. traders) have been less apparent. For instance, some private initiatives, such as the Cattle Agreement or the Soybean Moratorium, have been proposed to curb deforestation through the cattle and soybean supply chains as a means to influence the production process. Here, we highlight the role of producers and consumers in the use of land and water resources for agricultural production in the state of Mato Grosso, Brazil, by combining field measurements and modelling with trade mapping. We use the Transparency for sustainable economies platform (Trase, https://trase.earth) to highlight the role of trade actors by combining high resolution trade information (e.g. custom declarations) with up-to-date deforestation and water scarcity maps. In 2015, up to five traders with zero deforestation commitments exported over 40% of soybean produced in the state of Mato Grosso. Within this context, producers can increase agricultural output by irrigating cropland, and/or concentrating cattle production on current pastureland, but this combined system has the potential to increase water scarcity in the dry season. Our analysis provides additional information on the drivers shaping the Brazilian agricultural frontier and attempts to bring producers and consumers closer together in agricultural supply chains.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,085
Score d'incertitude au seuil0,170

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,009
Tête enseignante GPT0,169
Écart entre enseignants0,161 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetConservation, Biodiversity, and Resource Management→Travaux en français237 207→